详细内容或原文请订阅后点击阅览
“入门级”把关者：使用 Textstat 审核职位描述
本文展示了如何使用 Python 及其 Textstat 库等免费开源工具构建一个脚本，在发布职位描述之前自动执行捕获“把关语言”的过程。
来源:KDnuggets简介
您是否遇到过“入门级”职位描述，其中候选人的要求包括难以理解的方面，例如“利用跨职能范例来优化协同结果”，甚至更糟？当人力资源文件中充满了密集的行话或商业术语时，它们不仅会让读者感到困惑，还会吓跑有才华、有能力的求职者。既然实现包容性的第一步是可访问性，为什么不通过审核流程确保您的职位描述保持可访问性的基调呢？
本文展示了如何使用 Python 及其 Textstat 自然语言处理 (NLP) 库等免费开源工具来构建一个脚本，该脚本可以在发布职位描述之前自动执行捕获“把关语言”的过程。
关键成分：Gunning Fog Index
Gunning Fog Index（通过使用 textstat.gunning_fog 在 Textstat 中提供）是审核文本（尤其是入门级职位列表）的绝佳方法。本质上，该指数可用于估计一个人在第一次阅读时理解文本可能需要接受正规教育的年数。
其计算基于观察两个主要因素：平均句子长度和复杂术语的百分比（通常是具有三个或更多音节的单词）。请注意，商业术语通常滥用多音节流行语，例如“操作化”、“方法论”等。因此，冈宁雾指数非常接近我们审核职位描述的预期目标，以确保它们对于其想要吸引的预期配置来说不会过于复杂。换句话说，它有助于确保语言清晰且易于理解。该指数的值越低意味着清晰度和可访问性越高。
使用 Textstat 审核示例
第一个关键步骤是安装 Python 的 Textstat 库（如果您还没有这样做的话）：
我们脚本的核心逻辑将驻留在一个可重用的函数中，其目的是审核输入文本 - 例如入门级职位描述：
输出：